Dra. Judith Bishop, Directora Senior de Especialistas en Inteligencia Artificial en Appen – Serie de Entrevistas

La Dra. Judith Bishop es Directora Senior de Especialistas en Inteligencia Artificial para la región de APAC/EE. UU. en Appen. Está liderando y creciendo un equipo de primer nivel de lingüistas, lingüistas computacionales y expertos en todos los modos de comunicación humana (habla, escritura y gesto) para entregar datos de entrenamiento de inteligencia artificial con una combinación sin igual de calidad y velocidad.

¿Qué te atrajo inicialmente a la lingüística?

Escuché sobre la lingüística por primera vez por parte de una profesora de inglés favorita en la escuela secundaria. Era uno de esos niños que se sienten igualmente atraídos por las lenguas extranjeras y las humanidades, y las materias de matemáticas y ciencias. La lingüística es la ciencia de cómo funciona el lenguaje, así que unió mis intereses. Como muchas personas, una vez que supe sobre ella, me enganché por completo. ¿Qué podría ser más fascinante que cómo nos comunicamos nuestros pensamientos y sentimientos entre nosotros? La lingüística explora las estructuras del lenguaje que, a pesar de las diferencias en sonidos y sistemas de escritura, a menudo son similares en la superficie, ya que todos son un producto, en última instancia, de nuestra existencia humana común.

¿Podrías compartir la historia de cómo te encontraste trabajando en inteligencia artificial?

He trabajado en Appen desde 2004 apoyando el desarrollo de productos y servicios de tecnología del lenguaje. Con el tiempo, la inteligencia artificial ha surgido como un marco, misión y visión comprehensivos para la tecnología que imita y amplía las capacidades humanas de comunicación, razonamiento y percepción. En 2019, mi equipo se rebautizó como Especialistas en Inteligencia Artificial, reconociendo que nuestro conocimiento lingüístico y de lenguaje es fundamental para la empresa de inteligencia artificial. Nuestros datos anotados proporcionan un apoyo esencial para el éxito de las interacciones humanas con productos y servicios de inteligencia artificial.

Has estado trabajando en inteligencia artificial durante más de 16 años, ¿cuáles son algunos de los cambios más grandes que has visto?

El cambio principal ha sido una diversificación del enfoque desde el desarrollo de tecnología central a la cola larga de casos de uso y aplicaciones. Durante la mayor parte de mi carrera, el enfoque de la inteligencia artificial basada en el lenguaje ha sido desarrollar y refinar un conjunto central de modelos que imitan la percepción y producción del habla humana, a saber, el reconocimiento de habla, la síntesis de habla y el procesamiento del lenguaje natural. Los conjuntos de datos generalmente se ajustaban a los estándares y convenciones de etiquetado y muestreo de datos comunes, como los desarrollados por el consorcio Speecon (Interfaz de voz para dispositivos de consumo). Estos estándares han permitido a los desarrolladores de tecnología central benchmarkar su rendimiento en estructuras de datos comunes y han apoyado la evolución rápida de la inteligencia artificial.

¿Podrías discutir la importancia de los datos no sesgados en el aprendizaje automático?

Los modelos de aprendizaje automático, ya sean supervisados, no supervisados o de aprendizaje por refuerzo, reflejarán los sesgos presentes en los datos en los que se entrenan. Alyssa Simpson Rochwerger y Wilson Pang proporcionan varios ejemplos excelentes de este problema en su libro reciente, Inteligencia Artificial en el Mundo Real. Si no hay suficientes datos de entrenamiento para un segmento de la población, el modelo de inteligencia artificial será menos preciso para ese segmento.

Appen lanzó recientemente nuevos conjuntos de datos de entrenamiento diversificados para iniciativas de procesamiento de lenguaje natural (NLP). ¿Podrías compartir algunos detalles sobre cómo estos conjuntos de datos permitirán a los usuarios finales recibir la misma experiencia independientemente de la variedad de lenguaje, dialecto, etnolecto, acento, raza o género?

Por las razones mencionadas anteriormente, se necesitan conjuntos de datos para corregir los sesgos existentes en los sistemas de producción de inteligencia artificial, además de conjuntos de datos más inclusivos para entrenar futuros sistemas. Los conjuntos de datos de Appen que mencionas proporcionarán datos de entrenamiento suplementarios para aumentar la representación de esta población en los modelos de lenguaje de inteligencia artificial.

Afuera de la inteligencia artificial, también eres poeta con varios de tus poemas que han ganado diferentes premios de la industria. ¿Cuáles son tus puntos de vista sobre la inteligencia artificial futura que exhiba este tipo de creatividad, incluyendo la escritura de poemas?

Es una pregunta fascinante. La poesía y otras formas de creatividad humana se basan en todos nuestros recursos humanos de memoria, percepción, sensación y emoción, así como en las estructuras y matices del lenguaje y la imagen, para producir ideas que resuenan con las preocupaciones contemporáneas. Emily Dickinson escribió: “Si leo un libro y me hace que mi cuerpo entero se sienta tan frío que ningún fuego puede calentarme, sé que es poesía. Si me siento físicamente como si se me hubiera quitado la parte superior de la cabeza, sé que es poesía”. Debe haber un elemento de reconocimiento perceptual, sensorial o emocional, pero también una sorpresa genuina.

¿Has tenido una carrera fenomenal hasta ahora, en tu opinión, ¿qué es lo que impide que más mujeres se unan a STEM y específicamente a la inteligencia artificial?

La falta de modelos a seguir puede ser un factor poderoso (y un círculo vicioso). Hay una dificultad genuina, cultural, social y práctica, para romper en áreas donde las mujeres, y las personas de otros géneros diversos, no tienen una presencia profundamente establecida, y donde el respeto por lo que podemos contribuir a menudo es demasiado escaso. Mi propia experiencia como líder me ha mostrado una y otra vez cómo pueden ser resilientes, creativas y exitosas los equipos cuando son inclusivos de experiencias y orientaciones diversas. Los líderes necesitan ser aventureros en su contratación y valientes en su confianza en que pueden manejar los desafíos a su forma de pensar que las perspectivas diversas traen, sabiendo que esta valentía también se ha demostrado que está fuertemente correlacionada con el éxito financiero y corporativo.

¿Hay algo más que te gustaría compartir sobre Appen o la inteligencia artificial en general?

Los proveedores de datos como Appen tienen un potencial poderoso para influir en los resultados de la inteligencia artificial para mejor, proporcionando datos de entrenamiento inclusivos.

Sin embargo, para alcanzar el objetivo de la inteligencia artificial inclusiva, todos deben participar. Los compradores de datos también deben reconocer su responsabilidad de pedir explícitamente (y pagar) los datos inclusivos que garantizarán el rendimiento óptimo de sus sistemas para todos los usuarios en el mundo real. Y aquellos de comunidades diversas que suministran sus datos para el desarrollo de la inteligencia artificial deben poder confiar en los usos a los que se les dará. Construir esa confianza requerirá prácticas éticas y transparentes sólidas por parte de todos los que manejan datos sensibles.

Gracias por la gran entrevista, disfruté aprendiendo más sobre tus puntos de vista sobre la inteligencia artificial y la lingüística. Los lectores que deseen aprender más deben visitar Appen.